使用循环一致对抗训练改善构音障碍语音可懂度
音频与语音处理
2020-01-14 v1 计算与语言
声音
摘要
构音障碍是一种影响数百万人的运动性言语损伤。构音障碍语音的可懂度可能远低于非构音障碍说话者，导致显著的沟通困难。我们工作的目标是使用循环一致 GAN（Cycle-consistent GAN）开发一种构音障碍到健康语音转换的模型。利用先前一项为自动识别语音键盘目的而录制的 18,700 条构音障碍和 8,610 条健康对照韩语音频，生成器被训练为在谱域将构音障碍语音转换为健康语音，随后再转换回语音。在留出测试集上对生成语音使用自动语音识别的客观评估显示，经过对抗训练后，相较于原始构音障碍语音，识别性能有所提升，绝对词错率（WER）降低了 33.4%。这表明所提出的基于 GAN 的转换方法有助于改善构音障碍语音可懂度。
引用
@article{arxiv.2001.04260,
title = {Improving Dysarthric Speech Intelligibility Using Cycle-consistent Adversarial Training},
author = {Seung Hee Yang and Minhwa Chung},
journal= {arXiv preprint arXiv:2001.04260},
year = {2020}
}
备注
To be Published on the 24th February in BIOSIGNALS 2020. arXiv admin note: text overlap with arXiv:1904.09407